rename project

README.md

@@ -1,14 +1,14 @@
 <div align='center'>
-    <h1>hl-mas</h1>
+    <h1>Hello-Agents</h1>
 </div>
 
 <div al| **第五部分：毕业设计及未来展望** |  |  |
 | [第十八章 毕业设计](./docs/chapter18/第十八章%20毕业设计.md) | 构建属于你的完整多智能体应用 | 🚧 |
 | [第十九章 未来已来](./docs/chapter19/第十九章%20未来已来.md) | 具身智能、人机协作、挑战与机遇 | 🚧 |="center">
-  <img src="https://img.shields.io/github/stars/datawhalechina/hl-mas?style=flat&logo=github" alt="GitHub stars"/>
-  <img src="https://img.shields.io/github/forks/datawhalechina/hl-mas?style=flat&logo=github" alt="GitHub forks"/>
+  <img src="https://img.shields.io/github/stars/datawhalechina/Hello-Agents?style=flat&logo=github" alt="GitHub stars"/>
+  <img src="https://img.shields.io/github/forks/datawhalechina/Hello-Agents?style=flat&logo=github" alt="GitHub forks"/>
   <img src="https://img.shields.io/badge/language-Chinese-brightgreen?style=flat" alt="Language"/>
-  <a href="https://github.com/datawhalechina/hl-mas"><img src="https://img.shields.io/badge/GitHub-Project-blue?style=flat&logo=github" alt="GitHub Project"></a>
+  <a href="https://github.com/datawhalechina/Hello-Agents"><img src="https://img.shields.io/badge/GitHub-Project-blue?style=flat&logo=github" alt="GitHub Project"></a>
 </div>
 
 <div align="center">
@@ -20,9 +20,9 @@
 
 ## 🎯 项目介绍
 
-&emsp;&emsp;如果说2023年是"百模大战"的元年，那么2024年无疑开启了"Agent元年"。技术的焦点正从训练更大的基础模型，转向构建更聪明的智能体应用。然而，当前系统性、重实践的教程却极度匮乏。为此，我们发起了 hl-mas 项目，希望能为社区提供一本从零开始、理论与实战并重的多智能体系统构建指南。
+&emsp;&emsp;如果说2023年是"百模大战"的元年，那么2024年无疑开启了"Agent元年"。技术的焦点正从训练更大的基础模型，转向构建更聪明的智能体应用。然而，当前系统性、重实践的教程却极度匮乏。为此，我们发起了 Hello-Agents 项目，希望能为社区提供一本从零开始、理论与实战并重的多智能体系统构建指南。
 
-&emsp;&emsp;hl-mas 是一个**系统性的多智能体学习教程**，旨在"授人以渔"。教程将带领你穿透框架表象，从智能体的核心原理出发，深入其核心架构，理解其经典范式，并最终亲手构建起属于自己的、强大的多智能体应用。我们相信，最好的学习方式就是动手实践。希望这本书能成为你探索智能体浩瀚世界的起点，帮助你从一名 LLM 的"使用者"，蜕变为一名智能系统的"构建者"。
+&emsp;&emsp;Hello-Agents 是一个**系统性的多智能体学习教程**，旨在"授人以渔"。教程将带领你穿透框架表象，从智能体的核心原理出发，深入其核心架构，理解其经典范式，并最终亲手构建起属于自己的、强大的多智能体应用。我们相信，最好的学习方式就是动手实践。希望这本书能成为你探索智能体浩瀚世界的起点，帮助你从一名 LLM 的"使用者"，蜕变为一名智能系统的"构建者"。
 
 ### ✨ 你将收获什么？
 
@@ -63,16 +63,16 @@
 
 ### 社区贡献精选 (Community Blog)
 
-&emsp;&emsp;欢迎大家将在学习 hl-mas 或 Agent 相关技术中的独到见解、实践总结，以 PR 的形式贡献到社区精选。
+&emsp;&emsp;欢迎大家将在学习 Hello-Agents 或 Agent 相关技术中的独到见解、实践总结，以 PR 的形式贡献到社区精选。
 
 **暂无内容，期待你的第一次贡献！**
 
 ### PDF 版本下载
 
-&emsp;&emsp;***本 hl-mas PDF 教程完全开源免费。为防止各类营销号加水印后贩卖给多智能体系统初学者，我们特地在 PDF 文件中预先添加了不影响阅读的 Datawhale 开源标志水印，敬请谅解～***
+&emsp;&emsp;***本 Hello-Agents PDF 教程完全开源免费。为防止各类营销号加水印后贩卖给多智能体系统初学者，我们特地在 PDF 文件中预先添加了不影响阅读的 Datawhale 开源标志水印，敬请谅解～***
 
-> *hl-mas PDF : https://github.com/datawhalechina/hl-mas/releases/tag/PDF*  
-> *hl-mas PDF 国内下载地址 : https://www.datawhale.cn/learn/summary/XXX* 
+> *Hello-Agents PDF : https://github.com/datawhalechina/Hello-Agents/releases/tag/PDF*  
+> *Hello-Agents PDF 国内下载地址 : https://www.datawhale.cn/learn/summary/XXX* 
 
 ## 💡 如何学习
 
@@ -115,8 +115,8 @@
 - 感谢所有为本项目做出贡献的开发者们 ❤️
 
 <div align=center style="margin-top: 30px;">
-  <a href="https://github.com/datawhalechina/hl-mas/graphs/contributors">
-    <img src="https://contrib.rocks/image?repo=datawhalechina/hl-mas" />
+  <a href="https://github.com/datawhalechina/Hello-Agents/graphs/contributors">
+    <img src="https://contrib.rocks/image?repo=datawhalechina/Hello-Agents" />
   </a>
 </div>
 

docs/README.md

@@ -1,12 +1,12 @@
 <div align='center'>
-    <h1>hl-mas</h1>
+    <h1>Hello-Agents</h1>
 </div>
 
 <div>
-  <img src="https://img.shields.io/github/stars/datawhalechina/hl-mas?style=flat&logo=github" alt="GitHub stars"/>
-  <img src="https://img.shields.io/github/forks/datawhalechina/hl-mas?style=flat&logo=github" alt="GitHub forks"/>
+  <img src="https://img.shields.io/github/stars/datawhalechina/Hello-Agents?style=flat&logo=github" alt="GitHub stars"/>
+  <img src="https://img.shields.io/github/forks/datawhalechina/Hello-Agents?style=flat&logo=github" alt="GitHub forks"/>
   <img src="https://img.shields.io/badge/language-Chinese-brightgreen?style=flat" alt="Language"/>
-  <a href="https://github.com/datawhalechina/hl-mas"><img src="https://img.shields.io/badge/GitHub-Project-blue?style=flat&logo=github" alt="GitHub Project"></a>
+  <a href="https://github.com/datawhalechina/Hello-Agents"><img src="https://img.shields.io/badge/GitHub-Project-blue?style=flat&logo=github" alt="GitHub Project"></a>
 </div>
 
 <div align="center">
@@ -18,9 +18,9 @@
 
 ## 🎯 项目介绍
 
-&emsp;&emsp;如果说2023年是"百模大战"的元年，那么2024年无疑开启了"Agent元年"。技术的焦点正从训练更大的基础模型，转向构建更聪明的智能体应用。然而，当前系统性、重实践的教程却极度匮乏。为此，我们发起了 hl-mas 项目，希望能为社区提供一本从零开始、理论与实战并重的多智能体系统构建指南。
+&emsp;&emsp;如果说2023年是"百模大战"的元年，那么2024年无疑开启了"Agent元年"。技术的焦点正从训练更大的基础模型，转向构建更聪明的智能体应用。然而，当前系统性、重实践的教程却极度匮乏。为此，我们发起了 Hello-Agents 项目，希望能为社区提供一本从零开始、理论与实战并重的多智能体系统构建指南。
 
-&emsp;&emsp;hl-mas 是一个**系统性的多智能体学习教程**，旨在"授人以渔"。教程将带领你穿透框架表象，从智能体的核心原理出发，深入其核心架构，理解其经典范式，并最终亲手构建起属于自己的、强大的多智能体应用。我们相信，最好的学习方式就是动手实践。希望这本书能成为你探索智能体浩瀚世界的起点，帮助你从一名 LLM 的"使用者"，蜕变为一名智能系统的"构建者"。
+&emsp;&emsp;Hello-Agents 是一个**系统性的多智能体学习教程**，旨在"授人以渔"。教程将带领你穿透框架表象，从智能体的核心原理出发，深入其核心架构，理解其经典范式，并最终亲手构建起属于自己的、强大的多智能体应用。我们相信，最好的学习方式就是动手实践。希望这本书能成为你探索智能体浩瀚世界的起点，帮助你从一名 LLM 的"使用者"，蜕变为一名智能系统的"构建者"。
 
 ### ✨ 你将收获什么？
 
@@ -37,9 +37,9 @@
 | --- | --- | --- |
 | [前言](./前言.md) | 项目的缘起、背景及读者建议 | ✅ |
 | **第一部分：智能体与语言模型基础** |  |  |
-| [第一章 初识智能体](./chapter1/第一章%20初识智能体.md) | 智能体定义、类型、范式与应用 | 🚧 |
-| [第二章 智能体发展史](./chapter2/第二章%20智能体发展史.md) | 从符号主义到 LLM 驱动的智能体演进 | 🚧 |
-| [第三章 大语言模型基础](./chapter3/第三章%20大语言模型基础.md) | Transformer、提示、主流LLM及其局限 | 🚧 |
+| [第一章 初识智能体](./chapter1/第一章%20初识智能体.md) | 智能体定义、类型、范式与应用 | ✅ |
+| [第二章 智能体发展史](./chapter2/第二章%20智能体发展史.md) | 从符号主义到 LLM 驱动的智能体演进 | ✅ |
+| [第三章 大语言模型基础](./chapter3/第三章%20大语言模型基础.md) | Transformer、提示、主流LLM及其局限 | ✅ |
 | **第二部分：构建你的大语言模型智能体** |  |  |
 | [第四章 智能体的核心构件](./chapter4/第四章%20智能体的核心构件.md) | 设计原则、核心能力、记忆与工具 | 🚧 |
 | [第五章 智能体经典构建范式](./chapter5/第五章%20智能体经典构建范式.md) | 手把手实现 ReAct, Plan-and-Solve, Reflection | 🚧 |
@@ -61,16 +61,16 @@
 
 ### 社区贡献精选 (Community Blog)
 
-&emsp;&emsp;欢迎大家将在学习 hl-mas 或 Agent 相关技术中的独到见解、实践总结，以 PR 的形式贡献到社区精选。
+&emsp;&emsp;欢迎大家将在学习 Hello-Agents 或 Agent 相关技术中的独到见解、实践总结，以 PR 的形式贡献到社区精选。
 
 **暂无内容，期待你的第一次贡献！**
 
 ### PDF 版本下载
 
-&emsp;&emsp;***本 hl-mas PDF 教程完全开源免费。为防止各类营销号加水印后贩卖给多智能体系统初学者，我们特地在 PDF 文件中预先添加了不影响阅读的 Datawhale 开源标志水印，敬请谅解～***
+&emsp;&emsp;***本 Hello-Agents PDF 教程完全开源免费。为防止各类营销号加水印后贩卖给多智能体系统初学者，我们特地在 PDF 文件中预先添加了不影响阅读的 Datawhale 开源标志水印，敬请谅解～***
 
-> *hl-mas PDF : https://github.com/datawhalechina/hl-mas/releases/tag/PDF*  
-> *hl-mas PDF 国内下载地址 : https://www.datawhale.cn/learn/summary/XXX* 
+> *Hello-Agents PDF : https://github.com/datawhalechina/Hello-Agents/releases/tag/PDF*  
+> *Hello-Agents PDF 国内下载地址 : https://www.datawhale.cn/learn/summary/XXX* 
 
 ## 💡 如何学习
 
@@ -113,8 +113,8 @@
 - 感谢所有为本项目做出贡献的开发者们 ❤️
 
 <div align=center style="margin-top: 30px;">
-  <a href="https://github.com/datawhalechina/hl-mas/graphs/contributors">
-    <img src="https://contrib.rocks/image?repo=datawhalechina/hl-mas" />
+  <a href="https://github.com/datawhalechina/Hello-Agents/graphs/contributors">
+    <img src="https://contrib.rocks/image?repo=datawhalechina/Hello-Agents" />
   </a>
 </div>
 

docs/_sidebar.md

@@ -1,4 +1,4 @@
-- [HL-MAS](./README.md)
+- [Hello-Agents](./README.md)
   - [前言](./前言.md)
   - [第一章 初识智能体](./chapter1/第一章%20初识智能体.md)
   - [第二章 xxxx](./chapter2/第二章%20xxxx.md)

docs/chapter1/第一章 初识智能体.md

@@ -15,7 +15,7 @@
 然而，真正赋予智能体“智能”的，是其**自主性（Autonomy）**。智能体并非只是被动响应外部刺激或严格执行预设指令的程序，它能够基于其感知和内部状态进行独立决策，以达成其设计目标。这种从感知到行动的闭环，构成了所有智能体行为的基础，如图1.1所示。
 
 <div align="center">
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/1-figures/1757242319667-0.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/1-figures/1757242319667-0.png" alt="图片描述" width="90%"/>
   <p>图 1.1 智能体与环境的基本交互循环</p>
 </div>
 
@@ -28,7 +28,7 @@
 这种智能体完全依赖于当前的感知输入，不具备记忆或预测能力。它像一种数字化的本能，可靠且高效，但也因此无法应对需要理解上下文的复杂任务。它的局限性引出了一个关键问题：如果环境的当前状态不足以作为决策的全部依据，智能体该怎么办？
 
 <div align="center">
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/1-figures/1757242319667-1.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/1-figures/1757242319667-1.png" alt="图片描述" width="90%"/>
   <p>图 1.2 简单反射智能体的决策逻辑示意图</p>
 </div>
 
@@ -54,7 +54,7 @@
 
 <div align="center">
   <p>表 1.1 传统智能体与LLM驱动智能体的核心对比</p>
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/1-figures/1757242319667-2.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/1-figures/1757242319667-2.png" alt="图片描述" width="90%"/>
 </div>
 
 这种差异使得LLM智能体可以直接处理高层级、模糊且充满上下文信息的自然语言指令。它不需要用户将需求拆解成机器可以理解的结构化输入，只需要输入人类的自然语言即可。
@@ -80,7 +80,7 @@
 除了内部架构的复杂性，还可以从智能体处理决策的时间维度进行分类。这个视角关注智能体是在接收到信息后立即行动，还是会经过深思熟虑的规划再行动。这揭示了智能体设计中一个核心权衡：追求速度的**反应性（Reactivity）**与追求最优解的**规划性（Deliberation）**之间的平衡，如图1.3所示。
 
 <div align="center">
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/1-figures/1757242319667-3.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/1-figures/1757242319667-3.png" alt="图片描述" width="90%"/>
   <p>图 1.3 智能体决策时间与质量关系图</p>
 </div>
 
@@ -133,7 +133,7 @@
 - **系统2**是缓慢、有条理、基于逻辑的审慎思维，恰如符号主义AI的推理过程。
 
 <div align="center">
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/1-figures/1757242319667-4.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/1-figures/1757242319667-4.png" alt="图片描述" width="90%"/>
   <p>图 1.4 符号主义、亚符号主义与神经符号混合主义的知识表示范式</p>
 </div>
 
@@ -151,7 +151,7 @@
 这个循环构成了所有LLM智能体运作的基本模式，如图1.5所示。1.2.1节将从环境的构成入手，进一步探讨该交互机制的属性及其对智能体设计的影响。
 
 <div align="center">
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/1-figures/1757242319667-5.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/1-figures/1757242319667-5.png" alt="图片描述" width="90%"/>
   <p>图 1.5 智能体与环境交互的基本循环</p>
 </div>
 
@@ -161,7 +161,7 @@
 
 <div align="center">
   <p>表 1.2 旅行规划智能体的PEAS描述</p>
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/1-figures/1757242319667-6.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/1-figures/1757242319667-6.png" alt="图片描述" width="90%"/>
 </div>
 
 在实践中，LLM智能体所处的数字环境展现出若干复杂特性，这些特性直接影响着智能体的设计。
@@ -513,7 +513,7 @@ class ObservationImpl:
 最后，我们将上述四个独立的模块化组件进行集成，构建一个完整的 `AgentLoopDemo`。这个类展示了四个阶段如何被依次调用和协同工作，形成一个从接收原始输入到生成最终响应的、端到端的处理流水线，具体流程如图1.6所示。
 
 <div align="center">
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/1-figures/1757242319667-7.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/1-figures/1757242319667-7.png" alt="图片描述" width="90%"/>
   <p>图 1.6 智能体行动循环的实现流程</p>
 </div>
 
@@ -862,14 +862,14 @@ if __name__ == "__main__":
 Cursor 接收到指令后，会立即分析需求，并同时为这三个文件生成对应的代码。它不会直接覆写文件，而是在聊天窗口中以代码差异的形式，清晰地展示将要应用的全部修改，如图 1.7 所示。这为开发者提供了一个审查和确认的环节。在确认 AI 的方案无误后，只需点击视为接受的按钮，所有代码就会被自动、准确地写入对应的文件中。
 
 <div align="center">
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/1-figures/1757242319667-8.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/1-figures/1757242319667-8.png" alt="图片描述" width="90%"/>
   <p>图 1.7 Cursor界面展示了AI为三个文件生成的代码</p>
 </div>
 
 最终，我们得到了一个功能完备、可直接在浏览器中运行的“贪吃蛇”游戏，如图 1.8 所示。这个过程将传统开发中需要数小时的手动编码工作，压缩为一次与 AI 的自然语言交互，极大地提升了从概念到可运行原型的开发效率。
 
 <div align="center">
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/1-figures/1757242319667-9.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/1-figures/1757242319667-9.png" alt="图片描述" width="90%"/>
   <p>图 1.8 贪吃蛇游戏运行界面</p>
 </div>
 
@@ -939,7 +939,7 @@ function processOrder(order) {
 Cursor 的 AI 会立刻理解你的意图，分析函数内部的逻辑块，并生成重构方案。它不会直接修改你的代码，而是提供一个清晰的差异对比预览。如图1.9所示，你可以清楚地看到哪些代码被移除（红色），哪些是新增的（绿色），确保所有改动都在你的掌控之中。
 
 <div align="center">
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/1-figures/1757242319667-10.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/1-figures/1757242319667-10.png" alt="图片描述" width="90%"/>
   <p>图 1.9 Cursor界面展示函数代码重构过程</p>
 </div>
 
@@ -974,7 +974,7 @@ Uncaught TypeError: Cannot set properties of null (setting 'textContent')
 ```
 
 <div align="center">
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/1-figures/1757242319667-11.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/1-figures/1757242319667-11.png" alt="图片描述" width="90%"/>
   <p>图 1.10 Cursor开发程序报错提示</p>
 </div>
 
@@ -988,7 +988,7 @@ Uncaught TypeError: Cannot set properties of null (setting 'textContent')
 Cursor 会结合错误信息和 `app.js` 的源代码进行综合分析，迅速给出诊断和解决方案。它不仅会解释发生了什么，还会深入说明为什么会发生，并提供一段可以直接应用的、更健壮的代码。
 
 <div align="center">
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/1-figures/1757242319667-12.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/1-figures/1757242319667-12.png" alt="图片描述" width="90%"/>
   <p>图 1.11 Cursor开发程序报错提示</p>
 </div>
 
@@ -1024,7 +1024,7 @@ AgentGPT是最早引发大众对自主智能体广泛关注的开源项目之一
 接收到目标后，AgentGPT并不会立即执行单一动作，而是首先进行一次全面的任务规划。它会将“为精品咖啡店进行市场分析”这个高层级目标，分解成一个详尽的任务列表。正如真实操作界面所示，它会生成一系列具体的子任务，如图1.12所示。
 
 <div align="center">
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/1-figures/1757242319667-13.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/1-figures/1757242319667-13.png" alt="图片描述" width="90%"/>
   <p>图 1.12 AgentGPT运行过程</p>
 </div>
 
@@ -1053,7 +1053,7 @@ AgentGPT的实操过程淋漓尽致地展现了单智能体范式的力量。它
 ```
 
 <div align="center">
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/1-figures/1757242319667-14.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/1-figures/1757242319667-14.png" alt="图片描述" width="90%"/>
   <p>图 1.13 CAMEL框架执行任务过程</p>
 </div>
 
@@ -1079,14 +1079,14 @@ CAMEL的协作模式通过角色分工，它有效地避免了单智能体在专
 ```
 
 <div align="center">
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/1-figures/1757242319667-15.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/1-figures/1757242319667-15.png" alt="图片描述" width="90%"/>
   <p>图 1.14 Manus AI执行任务过程</p>
 </div>
 
 Manus AI接收到任务后，其内部的虚拟团队便开始了高效的协同工作。如图1.14所示，这远比线性的单智能体或双智能体对话要复杂。其内部的规划智能体首先像项目经理一样，将任务分解为清晰的项目蓝图。随后多个执行智能体像开发团队一样并行工作，分别处理门户页面、全局样式和各个独立的游戏模块，在验证智能体进行代码审查和功能测试后，交付智能体最终会将所有文件打包。最终产出的，便是一个可以直接解压部署的完整项目，如图1.15的“PIXEL DEMO”项目实况所示，一个结构完整、功能可用的多页面网站。
 
 <div align="center">
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/1-figures/1757242319667-16.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/1-figures/1757242319667-16.png" alt="图片描述" width="90%"/>
   <p>图 1.15 PIXEL DEMO项目实况展示</p>
 </div>
 
@@ -1178,7 +1178,7 @@ JSON作为一种机器可读格式，确保了指令的无歧义性。通信模
 
 <div align="center">
   <p>表 1.3 符号型与LLM驱动的多智能体系统对比</p>
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/1-figures/1757242319667-17.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/1-figures/1757242319667-17.png" alt="图片描述" width="90%"/>
 </div>
 
 综上，LLM的融入并非局部改良，而是一场范式革命。它将多智能体系统从一个需要被精确编程的、基于知识的系统，转变为一个可通过自然语言引导的、基于能力的通用问题解决器。

docs/chapter2/第二章 智能体发展史.md

@@ -20,7 +20,7 @@
 这里的物理符号系统指的是一个能够在物理世界中存在的系统，它由一组可被区分的符号和一系列对这些符号进行操作的过程组成，其构成元素如图2.1所示。这些符号可以组合成更复杂的结构（例如表达式），而过程则可以创建、修改、复制和销毁这些符号结构。
 
 <div align="center">
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/2-figures/1757246501849-0.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/2-figures/1757246501849-0.png" alt="图片描述" width="90%"/>
   <p>图 2.1 物理符号系统的构成元素</p>
 </div>
 
@@ -35,7 +35,7 @@
 一个典型的专家系统通常由知识库、推理机、用户界面等几个核心部分构成，其通用架构如图2.2所示。
 
 <div align="center">
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/2-figures/1757246501849-1.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/2-figures/1757246501849-1.png" alt="图片描述" width="90%"/>
   <p>图 2.2 专家系统的通用架构</p>
 </div>
 
@@ -58,7 +58,7 @@ MYCIN是历史上最著名、最具影响力的专家系统之一，由斯坦福
 - **工作原理**：MYCIN通过与医生进行问答式交互来收集病人的症状、病史和化验结果。其知识库包含了约600条由医学专家提供的“IF-THEN”规则。推理机主要采用反向链的方式工作：从“确定致病菌”这一最高目标出发，反向推导需要哪些证据和条件，然后向医生提问以获取这些信息。其简化的工作流程如图2.3所示。
 
 <div align="center">
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/2-figures/1757246501849-2.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/2-figures/1757246501849-2.png" alt="图片描述" width="90%"/>
   <p>图 2.3 MYCIN反向链推理流程示意图</p>
 </div>
 
@@ -70,7 +70,7 @@ MYCIN是历史上最著名、最具影响力的专家系统之一，由斯坦福
 如果说专家系统展示了符号AI在专业领域的“深度”，那么由**特里·威诺格拉德（Terry Winograd）**于1968-1970年开发的SHRDLU项目[3]，则在“广度”上实现了革命性的突破。SHRDLU旨在构建一个能在“积木世界”这一微观环境中，通过自然语言与人类流畅交互的综合性智能体。“积木世界”是一个模拟的三维虚拟空间，其中包含不同形状、颜色和大小的积木，以及一个可以抓取和移动它们的虚拟机械臂。用户通过自然语言向SHRDLU下达指令或提问，SHRDLU则在虚拟世界中执行动作或给出文字回答。
 
 <div align="center">
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/2-figures/1757246501849-3.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/2-figures/1757246501849-3.png" alt="图片描述" width="90%"/>
   <p>图 2.4 SHRDLU的“积木世界”交互界面</p>
 </div>
 
@@ -314,7 +314,7 @@ ELIZA的实践清晰地揭示了符号主义方法的核心矛盾：系统看似
 在这个过程中，没有任何一个智能体或机构拥有整个任务的全局规划。`GRASP`只负责抓握，它不知道什么是塔；`BUILDER`只负责循环，它不知道如何控制手臂。然而，当这个由无数“无心”的智能体组成的社会，通过简单的激活和抑制规则相互作用时，一个看似高度智能的行为，搭建积木塔，就自然而然地涌现了出来。
 
 <div align="center">
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/2-figures/1757246501849-4.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/2-figures/1757246501849-4.png" alt="图片描述" width="90%"/>
   <p>图 2.5 “心智社会”中搭建积木塔行为的涌现机制示意图</p>
 </div>
 
@@ -351,7 +351,7 @@ ELIZA的实践清晰地揭示了符号主义方法的核心矛盾：系统看似
 在这种范式下，智能体不再是一个被动执行规则的逻辑推理机，而是一个能够通过经验自我优化的适应性系统。如图2.6所示，这代表了构建智能体核心思想的根本性转变。符号主义试图将人类的知识显式地编码给机器，而联结主义则试图创造出能够像人类一样学习知识的机器。
 
 <div align="center">
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/2-figures/1757246501849-5.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/2-figures/1757246501849-5.png" alt="图片描述" width="90%"/>
   <p>图 2.6 符号主义与联结主义范式对比</p>
 </div>
 
@@ -376,7 +376,7 @@ ELIZA的实践清晰地揭示了符号主义方法的核心矛盾：系统看似
 基于上述核心要素，强化学习智能体在一个“感知-行动-学习”的闭环中持续迭代，其工作模式如图2.7所示。
 
 <div align="center">
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/2-figures/1757246501849-6.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/2-figures/1757246501849-6.png" alt="图片描述" width="90%"/>
   <p>图 2.7 强化学习的核心交互循环</p>
 </div>
 
@@ -402,7 +402,7 @@ ELIZA的实践清晰地揭示了符号主义方法的核心矛盾：系统看似
 2. **微调阶段**：完成预训练后，这个模型就已经学习到了和数据集有关的丰富知识。之后，针对特定的下游任务，只需使用少量该任务的标注数据对模型进行微调，即可让模型适应对应任务。
 
 <div align="center">
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/2-figures/1757246501849-7.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/2-figures/1757246501849-7.png" alt="图片描述" width="90%"/>
   <p>图 2.8 “预训练-微调”范式示意图</p>
 </div>
 
@@ -422,7 +422,7 @@ ELIZA的实践清晰地揭示了符号主义方法的核心矛盾：系统看似
 随着大型语言模型技术的飞速发展，以LLM为核心的智能体已成为人工智能领域的新范式。它不仅能够理解和生成人类语言，更重要的是，能够通过与环境的交互，自主地感知、规划、决策和执行任务。
 
 <div align="center">
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/2-figures/1757246501849-8.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/2-figures/1757246501849-8.png" alt="图片描述" width="90%"/>
   <p>图 2.9 LLM驱动的智能体核心组件架构</p>
 </div>
 
@@ -449,14 +449,14 @@ ELIZA的实践清晰地揭示了符号主义方法的核心矛盾：系统看似
 进入21世纪20年代，这些思想流派以前所未有的方式深度融合。以GPT系列为代表的大语言模型，其本身是联结主义的产物，却成为了执行符号推理、进行工具调用和规划决策的核心“大脑”，形成了神经-符号结合的现代智能体架构。为了系统性地回顾这一发展脉络，下图2.10梳理了从20世纪50年代至今，人工智能体发展史上的关键理论、项目与事件，为读者提供一个清晰的全局概览，作为本章知识的沉淀。
 
 <div align="center">
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/2-figures/1757246501849-9.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/2-figures/1757246501849-9.png" alt="图片描述" width="90%"/>
   <p>图 2.10 智能体发展演进时间线（未完全版）</p>
 </div>
 
 得益于大语言模型的突破，智能体技术栈呈现出前所未有的活跃度和多样性。图2.11展示了当前AI Agent领域的一个典型技术栈全貌，涵盖了从底层模型到上层应用的各个环节。
 
 <div align="center">
-  <img src="https://raw.githubusercontent.com/datawhalechina/hl-mas/main/docs/images/2-figures/1757246501849-10.png" alt="图片描述" width="90%"/>
+  <img src="https://raw.githubusercontent.com/datawhalechina/Hello-Agents/main/docs/images/2-figures/1757246501849-10.png" alt="图片描述" width="90%"/>
   <p>图 2.11 AI Agent 技术栈概览</p>
 </div>
 

docs/index.html

@@ -3,7 +3,7 @@
 
 <head>
     <meta charset="UTF-8">
-    <title>HL-MAS</title>
+    <title>Hello-Agents</title>
     <meta http-equiv="X-UA-Compatible" content="IE=edge,chrome=1" />
     <meta name="description" content="Description">
     <meta name="viewport"
@@ -16,8 +16,8 @@
     <script src="//cdn.jsdelivr.net/npm/mermaid@8.0.0-rc.8/dist/mermaid.min.js"></script>
     <script>
         window.$docsify = {
-            name: 'HL-MAS',
-            repo: 'https://github.com/datawhalechina/HL-MAS',
+            name: 'Hello-Agents',
+            repo: 'https://github.com/datawhalechina/Hello-Agents',
             loadSidebar: true,
             auto2top: true,
             subMaxLevel: 2,

docs/前言.md

@@ -7,7 +7,7 @@
 
 然而，当前的生态中存在一个明显的断层：一方面是层出不穷的 Agent 框架和应用，令人眼花缭乱；另一方面，却是系统性知识的极度匮乏。大多数教程聚焦于某个特定框架的 API 调用，学习者往往“知其然，而不知其所以然”，在面对复杂需求时，依然感到力不从心。我们缺少一本能够穿透框架表象，从第一性原理出发，系统讲解智能体设计、构建与协作的实战指南。
 
-鉴于此，我们发起了这个名为hl-mas的开源项目。本书的目标，是授人以渔。我们不仅会带你领略智能体领域最前沿的技术，更会引导你深入其核心架构，理解其经典范式，并最终亲手构建起属于自己的、强大的多智能体应用。我们相信，最好的学习方式就是动手实践。
+鉴于此，我们发起了这个名为Hello-Agents的开源项目。本书的目标，是授人以渔。我们不仅会带你领略智能体领域最前沿的技术，更会引导你深入其核心架构，理解其经典范式，并最终亲手构建起属于自己的、强大的多智能体应用。我们相信，最好的学习方式就是动手实践。
 
 希望这本书能成为你探索智能体浩瀚世界的起点，帮助你从一名 LLM 的“使用者”，蜕变为一名智能系统的“构建者”。让我们一起，迎接正在到来的智能革命。